一种炼钢连铸过程的多目标柔性调度方法技术

本发明专利技术公开了炼钢‑连铸过程的多目标柔性调度方法，包括如下步骤：构建不确定炼钢‑连铸调度模型，从钢厂MES数据库中获得输入参量的取值，形成离线调度优化问题；确定初始化种群，定义一个基于决策人偏好的多目标参考点，将多目标优化问题转换为单目标优化问题；根据转换后的目标函数，使用化学反应优化算法对初始化的种群进行迭代优化，获得候选调度方案集合。在迭代优化过程中，运用基于随机仿真的T检验方法对当前种群进行粗略排序和选择；运用基于知识的邻域搜索策略提升化学反应优化算法的收敛性能。最后，运用一个基于无差异区的精准排序和选择策略获得最优调度方案。本发明专利技术实现了平均等待时间、断浇时间惩罚和等待时间越界惩罚多个目标期望值的优化。

A multi-objective flexible scheduling method for steelmaking and continuous casting process

The invention discloses the multi-objective flexible scheduling method for steelmaking continuous casting process, including the following steps: constructing an uncertain steelmaking continuous casting scheduling model, obtaining the input parameters from the MES database of the steel plant, forming an off-line scheduling optimization problem, determining the initialization population, and defining a multi target reference based on the decision maker's preference. The multi-objective optimization problem is converted into a single objective optimization problem, and the initialized population is iteratively optimized with chemical reaction optimization algorithm based on the target function after the transformation, and the candidate scheduling scheme is obtained. In the process of iterative optimization, the T test method based on random simulation is used to sort and select the current population, and the convergence performance of the chemical reaction optimization algorithm is improved by using the knowledge based neighborhood search strategy. Finally, an optimal scheduling scheme is obtained by using a precise sorting and selection strategy based on the no difference zone. The invention realizes the optimization of the average waiting time, the penalty time of the casting time and the waiting time penalty for multiple targets.

【技术实现步骤摘要】
一种炼钢连铸过程的多目标柔性调度方法
本专利技术属于自动控制、信息技术和先进控制领域，具体涉及在复杂约束、强不确定性车间调度过程中，面向不确定炼钢-连铸生产调度问题的一种多目标柔性优化调度算法。
技术介绍
炼钢-连铸生产过程上承提供铁水原料的炼铁工序，下启供应订单钢材的热轧工序，是钢铁生产流程中的关键和瓶颈环节。典型炼钢-连铸生产过程主要包括以下三个工序：(1)炼钢工序：高温铁水或废钢装入转炉(BOF)或者电炉(EAF)中冶炼成碳含量降低的钢水；(2)精炼工序：液态钢水装入钢包中，通过空闲行车运送到精炼工作站(如LF、RH、VD等)进行二次冶炼，使钢水的温度和成分达到更高工艺精度；(3)连铸工序：液态的钢水通过连铸机的连续冷却和切割形成不同规格的钢坯。在上述生产过程中，基本加工单位称之为炉次；连铸机的连续加工单位称之为浇次。由于炼钢-连铸生产过程对钢铁企业生产的高效运行至关重要，所以炼钢-连铸生产调度的科学性、合理性和高效性，对提高企业生产效率、资源利用率、产品质量和操作水平，降低能源消耗和生产成本具有重要意义。炼钢-连铸生产调度问题是在考虑机器能力、工艺路径、等待时间、准备时间和同浇次连续加工等约束条件下，科学合理地安排各工件的加工机器和开始时间，以达到等待时间成本的最小化。然而，由于炼钢-连铸过程是兼具离散和连续加工特点的复杂制造过程，并且伴随着复杂物理、化学变化，因此炼钢-连铸生产过程容易受外界环境、机器状态、操作经验和原料水平等因素的影响。由于“硬性”规定了每个工件的加工机器和开始时间，传统的炼钢-连铸调度方案容易受到各种随机扰动的影响，从而难以保证初始调度方案的最优性和可行性。因此，研究和专利技术一种面向不确定炼钢-连铸生产调度问题的多目标柔性调度算法，对提高炼钢-连铸调度方案的优化性能和鲁棒性具有重要的意义。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种炼钢连铸过程的多目标柔性调度方法。为了实现本专利技术的上述目的，根据本专利技术的第一个方面，本专利技术提供了一种炼钢连铸过程的多目标柔性调度方法，具体包括如下步骤：S1，构建不确定调度问题模型,首先，设置输入参数如下：j＝1,2,…,n：炉次序号，其中n为炉次总数；l＝1,2,…,h：浇次序号，其中h为浇次总数；i＝1,2,…,g：工序序号，其中g为工序总数；(l,r)：浇次l内的第r个炉次，其中r＝1,2,…,nl，nl为浇次l内炉次的总数；si,j：炉次j在工序i的开始加工时间；tri,i+1:钢包从工序i到工序i+1的搬运时间；rj：炉次j对应的铁水到达时间；ni：工序i内的机器数；si,j：炉次j在工序i的开始加工时间；pi,j：炉次j在工序i的加工时间；sg,(l,r)：浇次l内第r个炉次在最后一道工序g的开始加工时间；pg,(l,r)：浇次l内第r个炉次在最后一道工序g的持续加工时间；jh(l)：浇次l内第一个炉次的序号；jt(l)：浇次l内最后一个炉次的序号；Su(l)：浇次l的准备时间；Qt：相邻工序间的最大等待时间；L：一个预设的整数常量；然后，设置不确定调度问题模型的目标函数如下：其中，f1为炉次等待时间，f2为断浇造成的惩罚，f3为等待时间的越界惩罚，E(f1)，E(f2)，E(f3)为期望值函数，将多目标函数(1)转换为如下单目标函数：其中，λd为权重系数，ρ为放大系数，为目标参考点，ud为最优目标点，E(fd)为目标函数fd的期望值，Pr(E(fd)≥ud)指E(fd)≥ud的概率大于等于β；最后，设置不确定调度模型的约束条件，具体包括：炉次前后工序的运输时间约束；同工序内炉次加工先后关系和机器能力约束；同机器上相邻炉次的时间和空间约束；铁水到达时间约束；连铸工序浇次加工顺序和机器能力约束；浇次开浇的准备时间约束，同一浇次内相邻炉次连续加工约束；S2，从钢厂MES数据库中获得已知量参数的取值，包括待调度的炉次集合、浇次集合、炉次工艺路径、相邻工序之间的运输时间、每个操作的加工时间期望值和方差，形成一个离线调度优化问题；S3，使用随机方法构造初始化种群；对每个个体解执行τ次离散事件仿真过程，获得单目标函数τ次结果的均值与方差；指定多目标参考点；S4，使用化学反应优化的变换算子构造子种群，并对其中每个新个体解执行τ次离散事件仿真过程，获得其单目标函数τ次计算的均值、方差及ASF值；S5,将父代种群与子代种群合并，构成新一代种群；S6,按照给定的ASF值，对当前种群从大到小顺序排序的前e％的个体执行基于知识的邻域搜索过程，其中e为正数；S7，根据基于T假设检验方法计算的ASF′值对当前种群进行粗略排序，筛选出NP个优势个体解，组成下一代种群；S8，如果算法达到停止条件则执行步骤S9，否则，执行步骤S4；S9，针对由最终种群构造的候选调度解集，运用基于无差异区的精准排序和选择策略选择最优调度解。本专利技术针对不确定炼钢-连铸生产调度问题，提出了一种多目标柔性调度优化方法。该方法最终产生的方案进行排序和选择最好的调度方案，实现断浇率和过等待率的优化。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是本专利技术提出的多目标柔性调度优化算法流程图；图2是本专利技术提出的多目标柔性调度优化算法实现方式的结构图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。本专利技术所公开的一种炼钢连铸过程的多目标柔性调度方法，如图1和图2所示，具体包括：S1，构建不确定调度问题模型,首先，设置输入参数如下：j＝1,2,…,n：炉次序号，其中n为炉次总数；l＝1,2,…,h：浇次序号，其中h为浇次总数；i＝1,2,…,g：工序序号，其中g为工序总数；(l,r)：浇次l内的第r个炉次，其中r＝1,2,…,nl，nl为浇次l内炉次的总数；si,j：炉次j在工序i的开始加工时间；tri,i+1:钢包从工序i到工序i+1的搬运时间；rj：炉次j对应的铁水到达时间；ni：工序i内的机器数；si,j：炉次j在工序i的开始加工时间；pi,j：炉次j在工序i的加工时间；sg,(l,r)：浇次l内第r个炉次在最后一道工序g的开始加工时间；pg,(l,r)：浇次l内第r个炉次在最后一道工序g的持续加工时间；jh(l)：浇次l内第一个炉次的序号；jt(l)：浇次l内最后一个炉次的序号；Su(l)：浇次l的准备时间；Qt：工序间最大等待时间；L：一个预设的整数常量；然后，设置不确定调度问题模型的目标函数如下：其中，f1为炉次等待时间，f2为断浇造成的惩罚，f3本文档来自技高网...

【技术保护点】
1.一种炼钢连铸过程的多目标柔性调度方法，包括如下步骤：S1，构建不确定调度问题模型,首先，设置输入参数如下：j＝1,2,…,n：炉次序号，其中n为炉次总数；l＝1,2,…,h：浇次序号，其中h为浇次总数；i＝1,2,…,g：工序序号，其中g为工序总数；(l,r)：浇次l内的第r个炉次，其中r＝1,2,…,nl，nl为浇次l内炉次的总数；si,j：炉次j在工序i的开始加工时间；tri,i+1:钢包从工序i到工序i+1的搬运时间；rj：炉次j对应的铁水到达时间；ni：工序i内的机器数；si,j：炉次j在工序i的开始加工时间；pi,j：炉次j在工序i的加工时间；sg,(l,r)：浇次l内第r个炉次在最后一道工序g的开始加工时间；pg,(l,r)：浇次l内第r个炉次在最后一道工序g的持续加工时间；jh(l)：浇次l内第一个炉次的序号；jt(l)：浇次l内最后一个炉次的序号；Su(l)：浇次l的准备时间；Qt：相邻工序间的最大等待时间；L：一个预设的整数常量；然后，设置不确定调度问题模型的目标函数如下：

【技术特征摘要】
2017.11.09 CN 20171110001401.一种炼钢连铸过程的多目标柔性调度方法，包括如下步骤：S1，构建不确定调度问题模型,首先，设置输入参数如下：j＝1,2,…,n：炉次序号，其中n为炉次总数；l＝1,2,…,h：浇次序号，其中h为浇次总数；i＝1,2,…,g：工序序号，其中g为工序总数；(l,r)：浇次l内的第r个炉次，其中r＝1,2,…,nl，nl为浇次l内炉次的总数；si,j：炉次j在工序i的开始加工时间；tri,i+1:钢包从工序i到工序i+1的搬运时间；rj：炉次j对应的铁水到达时间；ni：工序i内的机器数；si,j：炉次j在工序i的开始加工时间；pi,j：炉次j在工序i的加工时间；sg,(l,r)：浇次l内第r个炉次在最后一道工序g的开始加工时间；pg,(l,r)：浇次l内第r个炉次在最后一道工序g的持续加工时间；jh(l)：浇次l内第一个炉次的序号；jt(l)：浇次l内最后一个炉次的序号；Su(l)：浇次l的准备时间；Qt：相邻工序间的最大等待时间；L：一个预设的整数常量；然后，设置不确定调度问题模型的目标函数如下：其中，f1为炉次等待时间，f2为断浇造成的惩罚，f3为等待时间的越界惩罚，E(f1)，E(f2)，E(f3)为期望值函数，将多目标函数(1)转换为如下单目标函数：其中，λd为权重系数，ρ为放大系数，为目标参考点，ud为最优目标点，E(fd)为目标函数fd的期望值，Pr(E(fd)≥ud)指E(fd)≥ud的概率大于等于β；最后，设置不确定调度模型的约束条件，具体包括：炉次前后工序的运输时间约束；同工序内炉次加工先后关系和机器能力约束；同机器上相邻炉次的时间和空间约束；铁水到达时间约束；连铸工序浇次加工顺序和机器能力约束；浇次开浇的准备时间约束，同一浇次内相邻炉次连续加工约束；S2，从钢厂MES数据库中获得已知量参数的取值，包括待调度的炉次集合、浇次集合、炉次工艺路径、相邻工序之间的运输时间、每个操作的加工时间期望值和方差，形成一个离线调度优化问题；S3，使用随机方法构造初始化种群；对每个个体解执行τ次离散事件仿真过程，获得单目标函数τ次结果的均值与方差；指定多目标参考点；S4，使用化学反应优化的变换算子构造子种群，并对其中每个新个体解执行τ次离散事件仿真过程，获得其单目标函数τ次计算的均值、方差及ASF值；S5,将父代种群与子代种群合并，构成新一代种群；S6,按照给定的ASF值，对当前种群从大到小顺序排序的前e％的个体执行基于知识的邻域搜索过程，其中e为正数；S7，根据基于T假设检验方法计算的ASF′值对当前种群进行粗略排序，筛选出NP个优势个体解，组成下一代种群；S8，如果算法达到停止条件则执行步骤S9，否则，执行步骤S4；S9，针对由最终种群构造的候选调度解集，运用基于无差异区的精准排序和选择策略选择最优调度解。2.根据权利要求1所述的炼钢连铸过程的多目标柔性调度方法，所述约束条件为：1)，每个炉次必须经过炼钢和精炼工序，并且每个工序必须经过一台机器进行加工，其中，k为机器序号，k∈[1,2,…,ni]，ni为工序i的机器总数；xi,j,k为二进制变量：若炉次j被分配到工序i第k台机器上，则xi,j,k＝1，反之xi,j,k＝0；2)，同一个工序内两个不同炉次存在唯一的先后关系：其中，为二进制变量，若在工序i内炉次j1比炉次j2优先加工，则否则3)，对同一个炉次内两个相邻操作，后一个操作只有在前一个操作完成且相应的炉次运送至当前工序才能开始加工，si,j+pi,j+tri,i+1≤si+1,j,i＝1,2,...,g-1,j＝1,2,...,n(5)4)，对分配到同一个机器上的两个不同炉次，只有在前一个炉次完成的情况下，后一炉次才能开始加工，5)，第一个工序内的操作只有满足对应的炉次释放时间才能开始加工，rj-s1,j≤0,j＝1,2,...,n(7)6)，在连铸工序一个浇次只能被分配到一台机器上加工，其中，l为浇次序号，l∈[1,h]，h为浇次总数；为二进制变量，若浇次l1优先于浇次l1分配到工序g的第k台机器上，则否则7)，对同一个连铸机上的两个不同浇次存在如下唯一优先关系，8)，若将两个不同浇次分配至同一台连铸机上加工，必须为后一浇次提供一定的准备时间，9)，同一个浇次内任意两个相邻炉次在连铸工序必须连续加工，sg,(l,r)+pg,(l,r)＝sg,(l,r+1),l＝1,2,...,h,r＝1,2,...,nl(11)10)，考虑钢水的温降因素，每个炉次在相邻工序间的等待时间是有限的，si+1,j-si,j-pi,j-tri,i+1-Qt≤0,i＝1,2,...,g-1,j＝1,2,...,n(12)其中，Qt为每个炉次的工序最大等待时间。3.根据权利要求1所述的炼钢连铸过程的多目标柔性调度方法，所述步骤S3具体包括：编码和解码，使用如下两段式向量表示一个可行柔性调度方案：其中，前一部分表示浇次的优先级，后一部分表示浇次的等待比率，根据中给出的优先级和等待比率，通过迭代反向列表调度方法计算柔性调度解中每个浇次的开始时间，初始化种群，以均匀分布U(0,0.5)随机产生一组等待比率：[wr1,wr2,...,wrh]，利用最长加工时间规则产生初始的浇次优先级向量：[pr1,pr2,...,prh]；通过离散事件仿真计算每个调度方案的平均值向量和方差向量S2(f)；指定多目标参考点，选择理想点uidl和最低点unad，根据风险最小化原则确定参考点u*如下：其中，uidl是如下问题的最优值：minus.t.Pr(E(f)≥u)≥0.50，unad是如下问题的最优值：...

【专利技术属性】
技术研发人员：蒋胜龙，王永周，卢义，郑忠，黄世鹏，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50